Perplexity AI “解除审查” DeepSeek R1：谁决定 AI 的边界？

Perplexity AI 发布了一款新的开源语言模型，去掉了内置的中国审查。这款修改后的模型被称为 R1 1776（一个唤起独立精神的名字），基于中国开发的 DeepSeek R1。原始的 DeepSeek R1 因其强大的推理能力而引起了关注，据报道，其性能与顶级模型相当，但成本只是后者的几分之一。然而，它有一个显著的限制：它拒绝解决某些敏感话题。

为什么这很重要？

这引发了关于 AI 监控、偏见、开放性和地缘政治在 AI 系统中的作用的重要问题。这个文章探讨了 Perplexity 做了什么、去除审查的含义以及它如何融入关于 AI 透明度和审查的更大讨论中。

发生了什么：DeepSeek R1 去审查

DeepSeek R1 是一个起源于中国的开源大型语言模型，获得了很高的关注度，因为其优秀的推理能力——即使接近顶级模型的性能，同时也更加计算高效。然而，用户很快注意到一个怪癖：每当查询涉及中国敏感话题（例如政治争议或被当局认为是禁忌的历史事件）时，DeepSeek R1 都不会直接回答。相反，它会用预先准备好的、经过国家批准的陈述或直接拒绝回答，反映了中国政府的审查规则。这内置的偏见限制了该模型对于那些寻求坦率或细致入微的讨论的人的有用性。

Perplexity AI 的解决方案是通过大量的后训练过程来“去审查”该模型。该公司收集了一个包含 40,000 个多语言提示的数据集，这些提示涵盖了 DeepSeek R1 之前被审查或回避的内容。有了人类专家的帮助，他们找到了大约 300 个敏感话题，在这些话题上，原始模型倾向于遵循党的路线。对于每个这样的提示，团队都精心策划了事实、有理有据的答案，涵盖多种语言。这些努力都被输入到一个多语言审查检测和纠正系统中，基本上教会了模型如何识别它何时应用政治审查，并用有信息的答案来代替。经过这次特殊的微调（Perplexity 将其称为“R1 1776”，以突出自由的主题），模型被公开提供。Perplexity 声称已经从 DeepSeek R1 的回答中去除了中国审查过滤器和偏见，没有改变其核心能力。

关键地，R1 1776 在以前被禁的话题上表现得非常不同。Perplexity 提供了一个关于台湾独立对 NVIDIA (NVDA ) 股价影响的查询示例——这是一个涉及中国-台湾关系的敏感政治话题。原始的 DeepSeek R1 避免了这个问题，回答了与中共一致的陈词滥调。相比之下，R1 1776 提供了详细、坦率的评估：它讨论了可能影响 NVIDIA 股价的具体地缘政治和经济风险（供应链中断、市场波动、可能的冲突等）。

通过开源 R1 1776，Perplexity 还使得模型的权重和更改对社区透明。开发人员和研究人员可以从 Hugging Face 下载它，甚至可以通过 API 集成，确保去除审查可以被他人审查和改进。

去除审查的含义

Perplexity AI 去除 DeepSeek R1 中的中国审查的决定对 AI 社区有几个重要的含义：

• 增强的开放性和真实性： R1 1776 的用户现在可以在以前被禁的话题上获得无审查、直接的答案，这是开放探究的一个胜利。它可以使其成为研究人员、学生或任何对敏感地缘政治问题感兴趣的人更可靠的助手。这是使用开源 AI 来对抗信息压制的一个具体例子。
• 保持性能： 有人担心，去除审查可能会降低模型在其他领域的性能。然而，Perplexity 报告称，R1 1776 的核心技能——如数学和逻辑推理——仍然与原始模型相当。在超过 1,000 个例子中涵盖了广泛的敏感查询，模型被发现是“完全去审查”的，同时保持了与 DeepSeek R1 相同的推理准确性。这表明（至少在这种情况下），偏见的去除并没有以整体智能或能力的损失为代价，这是对未来类似努力的一个鼓舞人心的迹象。
• 积极的社区接受和合作： 通过开源去审查的模型，Perplexity 邀请 AI 社区来审查和改进他们的工作。这表明了对透明度的承诺——AI 的等价物是展示工作过程。爱好者和开发人员可以验证审查限制是否真正消失，并可能为进一步的改进做出贡献。这促进了在一个通常由封闭模型和隐藏的审查规则主导的行业中建立信任和协作创新。
• 伦理和地缘政治考虑： 完全去除审查引发了复杂的伦理问题。一个直接的担忧是，这个去审查的模型可能会在某些话题上被用于违法或危险的行为。例如，如果中国大陆的某个人使用 R1 1776，模型关于天安门广场或台湾的无审查答案可能会让用户面临风险。还有更广泛的信号：一个美国公司修改一个中国起源的模型以违反中国审查，可以被视为一个大胆的意识形态立场。这个名字“1776”凸显了一个解放的主题，这并没有被忽视。一些批评者认为，可能会用另一个偏见取代现有的偏见——基本上是在质疑这个模型是否现在反映了西方在敏感领域的观点。辩论凸显了审查与开放性在 AI 中不仅仅是一个技术问题，也是一个政治和伦理问题。在一个人看来是必要的审查的地方，另一个人可能会看到审查。找到合适的平衡是困难的。

去除审查主要被庆祝为朝着更透明和全球有用 AI 模型迈出的一步，但它也提醒我们，AI 应该说什么是一个敏感的问题，没有普遍的共识。

更大的图景：AI 审查和开源透明度

Perplexity 的 R1 1776 发布发生在 AI 社区正在讨论如何处理有争议内容的模型时。AI 模型中的审查可以来自多个地方。在中国，科技公司被要求内置严格的过滤器，甚至为政治敏感话题硬编码回应。DeepSeek R1 是一个典型的例子——它是一个开源模型，但很明显它在训练和微调中带有中国审查规范的印记。相比之下，许多西方开发的模型，如 OpenAI 的 GPT-4 或 Meta 的 LLaMA，不受中国共产党指南的约束，但它们仍然有审查层（例如针对仇恨言论、暴力或虚假信息），一些用户称之为“审查”。合理的审查和不必要的审查之间的界线可能是模糊的，往往取决于文化或政治观点。

Perplexity AI 对 DeepSeek R1 所做的事情提出了这样一个想法：开源模型可以被适应到不同的价值观体系或监管环境中。理论上，可以创建多个版本的模型：一个遵守中国法规的版本（用于中国），和一个完全开放的版本（用于其他地方）。R1 1776 基本上是后一种情况——一个针对全球受众的去审查分支，偏好无过滤的答案。这种分支只有因为 DeepSeek R1 的权重是公开可用的才成为可能。它凸显了开源在 AI 中的益处：透明度。任何人都可以获取模型并修改它，无论是添加安全措施还是（像这种情况一样）去除强加的限制。开源模型的训练数据、代码或权重也意味着社区可以审计模型是如何被修改的。（Perplexity 没有完全披露所有用于去审查的数据来源，但通过发布模型本身，他们使得他人能够观察其行为，甚至在需要时重新训练它。）

这也暗示了 AI 开发的更广泛的地缘政治动态。我们看到不同 AI 治理模型之间的对话（或对抗）形式。一个带有特定世界观的中国开发模型被一个美国团队修改，以反映更开放的信息理念。这是全球和无边界 AI 技术的体现：任何地方的研究人员都可以在彼此的工作基础上继续发展，但他们不必承担原来的限制。随着时间的推移，我们可能会看到更多这样的例子——模型在不同的文化背景之间被“翻译”或调整。这提出了一个问题：AI 是否可以真正是普遍的，还是我们最终会得到区域特定的版本，它们遵循当地的规范。透明度和开放性提供了一条路径来应对这一点：如果所有相关方都可以检查模型，那么关于偏见和审查的对话就可以公开进行，而不是被企业或政府秘密所隐瞒。

最后，Perplexity 的举动凸显了 AI 控制辩论中的一个关键点：谁来决定 AI 可以或不能说什么？在开源项目中，这种权力变得分散。社区——或个别开发人员——可以决定实施更严格的过滤器或放松它们。在 R1 1776 的情况下，Perplexity 决定去审查模型的好处大于风险，并且他们有自由做出这个决定并公开分享结果。这是一个大胆的例子，展示了开源 AI 开发所能实现的实验类型。